基于深度域对抗迁移学习的提升机健康状态诊断系统 |
| |
引用本文: | 王景阳,王有杰,孙守瑄.基于深度域对抗迁移学习的提升机健康状态诊断系统[J].中州煤炭,2023(11):225-231. |
| |
作者姓名: | 王景阳 王有杰 孙守瑄 |
| |
作者单位: | 1. 中煤电气有限公司;2. 中国矿业大学物联网(感知矿山)研究中心;3. 中国矿业大学信息与控制工程学院 |
| |
基金项目: | 国家自然科学基金项目(52074273);;国家重点研发计划项目(2017YFC0804400,2017YFC0804401); |
| |
摘 要: | 提升机系统是煤矿生产中核心的大型机电设备之一,其安全高效运行是煤矿开采全过程自动化、智能化、安全管控的基础。为了实现尽早地发现提升机在运行过程中的各种隐患,提高故障检测和维护效率,研究信号处理和深度迁移学习分析方法,分析提升机关键部件多传感信号变工况时频响应特性,提出了基于自注意力机制的深度域对抗迁移学习诊断模型DASADTLM,提高提升机关键部件运行状态深度特征的跨域不变性和故障诊断准确率。在此基础上,通过系统集成,实现对提升机运行全过程数据的实时数据看板、设备管理、趋势分析等功能,该系统能够支撑监控看板、维保管理、知识管理等多场景需求,从而满足煤矿生产提升机稳定健康安全运行的需要。
|
关 键 词: | 提升机 诊断系统 故障诊断 注意力机制 深度域对抗迁移学习 |
|